Color Learning for Image Compression

要約

ディープラーニングベースの画像圧縮は、最近非常に勢いが増しています。
画像圧縮に適し、その後ビデオ圧縮にも拡張できる方法を可能にするために、画像圧縮のタスクが 2 つのサブタスクに分割され、輝度チャネルから構造情報を学習し、クロミナンスから色を学習する、新しい深層学習モデル アーキテクチャを提案します。
チャンネル。
このモデルには、輝度コンポーネントとクロミナンスコンポーネントを処理するための 2 つの個別のブランチがあります。
色差メトリクス CIEDE2000 が損失関数で採用され、色の忠実度についてモデルが最適化されます。
私たちのアプローチの利点を実証し、パフォーマンスを他のコーデックと比較します。
さらに、潜在的なチャネル インパルス応答の視覚化と分析が実行されます。

要約(オリジナル)

Deep learning based image compression has gained a lot of momentum in recent times. To enable a method that is suitable for image compression and subsequently extended to video compression, we propose a novel deep learning model architecture, where the task of image compression is divided into two sub-tasks, learning structural information from luminance channel and color from chrominance channels. The model has two separate branches to process the luminance and chrominance components. The color difference metric CIEDE2000 is employed in the loss function to optimize the model for color fidelity. We demonstrate the benefits of our approach and compare the performance to other codecs. Additionally, the visualization and analysis of latent channel impulse response is performed.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google